پیش بینی قیمت موبایل بااستفاده از روشهای یادگیری ماشین

هدف اصلی این تحقیق، توسعه یک مدل برای پیشبینی قیمت گوشی همراه با ارائه مشخصات فنی آن است. یکی از راهکارها برای انجام پیش بینی و تجزیه و تحلیل، بهره گیری از تکنیک های یادگیری ماشین است. در این رویکرد، الگوریتم های یادگیری ماشین با دریافت داده ها به عنوان ورودی برای توسعه و آموزش یک مدل پیش بینی بکار گرفته می شوند. سپس مدل آموزش دیده برای پیش بینی نتایج نمونه های آینده از داده ها استفاده میشود. در این فرآیند از الگوریتم های یادگیری ماشین نظارت شده استفاده می شود که از داده های حاوی برچسب کلاس از پیش تعریف شده استفاده میکنند. در این پژوهش از الگوریتم های طبقه بندی مختلفی مانند k - نزدیکترین همسایگی و ماشین بردار پشتیبان استفاده شده است تا الگوریتمی با دقت بالا برای پیش بینی کلاس قیمت گوشی همراه شناسایی گردد. معیارهای ارزیابی مرتبط با یادگیری ماشین مانندمعیار دقت برای ارزیابی مدل آموزش دیده به کار گرفته شده اند. این ارزیابی به منظور تعیین الگوریتم مناسب ترین بین الگوریتم های مورد استفاده در تحقیق انجام شده است نتایج ارزیابی نشان میدهد کارایی مدل های پیشنهادی بر پژوهشی که اخیرا برای پیشبینی قیمت گوشی همراه ارایه شده است، از نظر دقت ارجحیت دارد.

predicting the mobile price using machine learning methods

the primary objective of this research is to develop a model for predicting the price and technical specifications of mobile phones. machine learning techniques offer a viable solution for this prediction and analysis task. various classification algorithms, including k-nearest neighbor and support vector machine, were utilized to identify a highly accurate algorithm for predicting the price class of mobile phones. to evaluate the trained model, machine learning-related evaluation criteria, such as accuracy metrics, were employed. this evaluation aimed to determine the most appropriate algorithm among those used in the study. the evaluation results demonstrate that the proposed models achieve superior accuracy compared to recently published research on mobile phone price prediction.